The use of theories, models and frameworks to institutionalise routine data-driven decision-making in sub-Saharan African health facilities: a scoping review
Diese Scoping Review von 44 Studien aus vierzehn Ländern südlich der Sahara zeigt, dass zwar Determinanten-Frameworks die Bemühungen zur Institutionalisierung einer routinemäßigen datengestützten Entscheidungsfindung dominieren, die derzeitigen Anwendungen jedoch weitgehend operativ bleiben und den dynamischen Systemdenken-Ansatz vermissen lassen, der erforderlich wäre, um die Datennutzung über die Zeit in strategische und klinische Entscheidungsfindungen zu integrieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In Krankenhäusern in ganz Subsahara-Afrika findet in den letzten zwei Jahrzehnten eine stille Revolution statt. Regierungen und Gesundheitsorganisationen haben Ressourcen investiert, um digitale Systeme aufzubauen, Computer zu installieren und elektronische Akten zu erstellen, um die Patientenversorgung zu verfolgen. Das Ziel war einfach: Wenn Ärzte und Pflegekräfte leicht auf genaue Informationen darüber zugreifen könnten, wer krank war, welche Medikamente benötigt wurden und wie viele Patienten behandelt wurden, könnten sie bessere Entscheidungen treffen, um Leben zu retten. Dieser Übergang von Papiernotizbüchern zu digitalen Datenbanken versprach, Rohzahlen in ein leistungsstarkes Werkzeug zur Verbesserung der Gesundheit zu verwandeln. Das Vorhandensein von Daten ist jedoch nicht dasselbe wie deren Nutzung. Nur weil ein Computer einen Datensatz enthält, bedeutet das nicht, dass ein Manager ihn betrachtet, um die Arbeitsweise einer Klinik zu verändern. Die Herausforderung liegt in der „Institutionalisierung“ – ein Wort, das schlicht bedeutet, die Datennutzung zu einem natürlichen, unbewussten Teil der täglichen Arbeit zu machen, so wie das Zähneputzen, anstatt einer speziellen Aufgabe, die nur dann erledigt wird, wenn ein Inspektor kommt.
Um zu verstehen, warum dieser Übergang so schwierig war, untersuchte ein Team von Forschern des KEMRI-Wellcome Trust Research Programme und der University of Oxford die Werkzeuge, die Wissenschaftler zur Untersuchung dieses Problems nutzen. Sie untersuchten, wie Experten versuchen zu erklären, warum einige Krankenhäuser ihre Daten erfolgreich nutzen, während andere damit kämpfen. Diese Experten verlassen sich auf „Theorien, Modelle und Frameworks“, die im Wesentlichen strukturierte Karten oder Checklisten sind, die Forschern helfen, die spezifischen Gründe für Erfolg oder Misserfolg zu identifizieren. Diese Karten können auf Dinge wie Mitarbeiterschulungen, die Qualität der Internetverbindung oder die Art und Weise hinweisen, wie Krankenhausmanager Anweisungen geben. Die Forscher wollten wissen: Welche dieser Karten werden in Subsahara-Afrika am häufigsten verwendet, und helfen sie den Krankenhäusern tatsächlich dabei, zu lernen, wie sie Daten zu einem festen Bestandteil ihrer Entscheidungsfindung machen?
Das Team führte eine umfassende Suche durch und scannte sechs große wissenschaftliche Datenbanken nach Studien, die zwischen 2007 und 2025 veröffentlicht wurden. Sie grenzten ihren Fokus auf 44 spezifische Forschungsarbeiten ein, die in vierzehn verschiedenen Ländern der Region stattfanden. Diese Arbeiten deckten eine breite Palette von Methoden ab, darunter Interviews mit Gesundheitspersonal, Umfragen und statistische Analysen. Die Forscher lasen diese Studien dann sorgfältig durch, um zu sehen, wie die Autoren ihre theoretischen Karten verwendeten. Sie fanden heraus, dass die überwiegende Mehrheit dieser Studien auf „Determinanten-Frameworks“ zurückgriff. Dies sind spezifische Arten von Karten, die darauf ausgelegt sind, die Faktoren aufzulisten, die ein Ergebnis beeinflussen, wie etwa ob ein Mitarbeiter motiviert ist, ob die Software einfach zu bedienen ist oder ob die Krankenhausleitung die Bemühungen unterstützt. Die am häufigsten verwendeten Karten waren das PRISM-Framework und das CFIR-Framework, die zusammen fast zwei Drittel aller überprüften Studien ausmachten.
Was die Forscher entdeckten, war eine signifikante Lücke zwischen dem Identifizieren von Problemen und dem Lösen von Problemen. Während diese Karten hervorragend darin waren, Barrieren aufzulisten – wie schlechtes Internet, mangelnde Schulung oder hohe Arbeitsbelastung –, erklärten sie selten, wie diese Barrieren im Laufe der Zeit miteinander interagieren. Beispielsweise stellt eine Studie vielleicht fest, dass ein Computer defekt ist und das Personal erschöpft ist, aber sie versäumte es oft zu zeigen, wie der defekte Computer das Personal erschöpft, was wiederum dazu führt, dass die Daten fehlerhaft eingegeben werden, was wiederum dazu führt, dass die Manager das Vertrauen in die Zahlen verlieren. Die Forscher stellten fest, dass die meisten Studien diese Faktoren als statische Liste von Hindernissen behandelten und nicht als ein dynamisches System, in dem ein Problem in das nächste übergeht. Infolgedessen zeigte die Evidenz, dass Krankenhäuser zwar besser darin wurden, Daten zu sammeln, aber nicht besser darin, diese für strategische Änderungen zu nutzen. Die Daten wurden hauptsächlich für grundlegende operative Aufgaben verwendet, wie etwa die Zählung der behandelten Patienten oder die Überprüfung, ob Medikamentenvorräte zur Neige gehen, anstatt für tiefere klinische Entscheidungen oder die langfristige Planung.
Die Untersuchung verdeutlichte, dass die Art und Weise, wie Daten in diesen Einrichtungen genutzt werden, oft durch externen Druck und nicht durch internen Bedarf gesteuert wird. Beschäftigte im Gesundheitswesen füllen Berichte häufig deshalb aus, weil sie dazu von nationalen Behörden verpflichtet werden, und nicht, weil sie glauben, dass die Informationen ihnen helfen werden, ihre Patienten besser zu behandeln. Dies schafft einen Kreislauf, in dem Daten erhoben werden, um eine Berichtspflicht zu erfüllen, aber niemals in einer Weise an das Personal an der Front zurückgegeben werden, die ihnen hilft, ihre tägliche Arbeit zu verbessern. Wenn die Daten von schlechter Qualität sind oder verspätet eintreffen, untergräbt dies das Vertrauen, und das Personal hört auf zu glauben, dass die Zahlen wichtig sind. Die Forscher merkten an, dass die bloße Einführung neuer Technologie, wie etwa elektronische Patientenakten, dies nicht behebt. In vielen Fällen wurden die neuen digitalen Systeme einfach über die alten Papier-Systeme gelegt, was zusätzliche Arbeit schuf, ohne die zugrunde liegenden Gewohnheiten oder Entscheidungsstrukturen zu ändern.
Letztendlich legt die Studie nahe, dass der Weg nach vorn ein Umdenken erfordert. Anstatt nur eine Liste von Barrieren abzuhaken, müssen Gesundheitssysteme die komplexen Beziehungen zwischen Technologie, Menschen und Regeln verstehen. Die Forscher argumentieren, dass Daten erst dann wirklich nützlich werden, wenn sie in den täglichen Rhythmus des Krankenhauses eingewoben sind. Das bedeutet, dass die Menschen, die die Daten sammeln, sehen müssen, wie sie ihnen helfen, und die Menschen, die Entscheidungen treffen, sich auf sie verlassen müssen, um ihr Handeln zu leiten. Die aktuelle Evidenz zeigt, dass die Werkzeuge zum Verständnis dieser Probleme zwar existieren, aber noch nicht ihr volles Potenzial ausschöpfen, um dauerhafte Veränderungen zu bewirken. Die Zukunft der Gesundheitsversorgung in der Region hängt nicht davon ab, mehr Daten zu generieren, sondern ein System aufzubauen, in dem diese Daten von jedem – von der Pflegekraft am Empfang bis zum Direktor an der Spitze – verstanden, vertraut und genutzt werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.